一种人脸显著特征位置标定方法及系统的制作方法
【专利摘要】本发明涉及一种人脸显著特征位置标定方法及系统，包括以下模块：目标图像采集模块、眼动信息采集模块、眼动信息处理模块、人脸识别训练模块；本发明的优点在于进行人脸识别时通过眼动仪和心理学实验来确定人脸显著特征，大大提高了人脸识别中人脸显著特征确定时的准确度。
【专利说明】一种人脸显著特征位置标定方法及系统
【技术领域】
[0001]本发明涉及一种人脸显著特征位置标定方法及应用，尤其涉及一种基于眼动仪的人脸显著特征位置标定方法及系统。
【背景技术】
[0002]眼动跟踪技术提供了一种可靠、有效、及时的视觉加工研究方法，目前被广泛应用于广告产品评估、用户行为分析、工效学研究、航天安全等领域。
[0003]在广告心理学研究与应用当中，眼动仪可以将顾客注视广告时的眼动轨迹记录下来，通过分析记录的数据，可以清楚地了解顾客注视广告时的先后顺序，对画面的某一部分(分析结果时可以划分兴趣区间)的注视时间，注视次数，眼跳距离，瞳孔直径(面积)变化等。并以此来分析广告观看者的心理活动，通过对消费者的心理过程和特点的研究，找出用户感兴趣的区域，设计出最能激起消费者购买欲的广告。眼动仪是心理学基础研究的重要仪器。通常用于记录人在处理视觉信息时的眼动轨迹特征，广泛用于注意、视知觉、阅读等领域的研究。
[0004]中国专利201110403953.9公开了一种基于眼动仪实验数据和底层特征的图像感兴趣区域提取方法，所述方法一方面通过眼动仪视点跟踪实验数据提取出反映人真实语义的图像感兴趣区域，即眼动ROI ;另一方面通过底层特征带权组合的形式提取出一般意义上的图像感兴趣区域，即特征ROI ;进而通过分析特征ROI与眼动ROI的相似度找出相似度最高时的权重组合，即最佳权重。利用此权重提取出的其他同类型图片的感兴趣区域能够更加符合用户的语义需求。
[0005]与上述专利披露方法的不同之处在于，本发明将眼动跟踪技术应用于人脸显著特征位置标定上。本发明在用户对人脸图像感兴趣区域的提取方面具有重要应用价值，例如现有人脸识别技术大多使用PCA，LDA等方法，这些方法在人脸显著特征提取时较为困难，对于已提取的显著特征缺乏准确度，从而会对人脸识别正确率造成较大影响，而本发明能提高人脸识别时人脸显著特征确定的准确度，对改进基于视觉的人脸识别技术具有重要作用。
【发明内容】
[0006]本发明所要解决的问题在于针对上述现有技术的不足，提供了一种人脸显著特征位置标定方法及系统。
[0007]本发明的技术方案为:一种人脸显著特征位置标定系统，包括以下模块:目标图像采集模块、眼动信息采集模块、眼动信息处理模块、人脸识别训练模块。
[0008]一种上所述的人脸显著特征位置标定系统的标定方法，其特征在于，其标定方法如下:
1)运行程序，连接眼动仪，进行校准，打开眼动记录文件；
2)呈现合适的目标图像，例如在本技术方案中采用的目标图像为足够样本数量、样本均匀分布各年龄阶段的人脸照片扫描图像，大小相似，男女各半(对人脸表情等因素进行了平衡控制)，在目标图像中随机选取一个；
3)获取用户观察图像时的眼动信息，通过眼动追踪仪获取用户的眼动扫描和追踪数据，计算用户眼球在图像的焦点位置；
4)根据得到的用户眼球在图像的焦点位置，分析并提取用户关注的人脸显著特征区域；
5)对提取过的人脸显著特征区域进行遮挡处理；
6)呈现遮挡后的图像，重复第3)、4)和5)步多次，依次提取每次用户关注的人脸显著特征区域，一组实验结束；
7)重复I)至6)步，进行多组实验，并分析实验结果，确定用户进行人脸识别时的视线关注特征区域，分析人类在人脸识别时视线关注的人脸显著特征；
8)选取第7)步获得的人脸显著特征，进行人脸识别训练，在训练集上建立合适的分类模型，例如本技术方案可选用但不限于支持向量机(SVM)分类模型，并在特征空间中构建最优分割超平面，获取最佳权重，生成训练模型文件；
9)使用第8)步生成的模型文件，构建人脸图像分类程序，建立人脸识别系统。
[0009]所述的步骤3)中，通过眼动追踪仪获取用户的眼动扫描和追踪数据，例如本技术方案中选取了瞳孔直径、首次注视时间、注视时间、注视次数、回视时间、眨眼持续时间、眼跳幅度、眼跳时长。
[0010]所述的步骤4)中，根据得到的用户眼球在图像上的焦点位置，通过计算焦点位置所在区域的激活率来分析用户关注的人脸显著特征区域；激活率表示用户对人脸显著特征区域感兴趣的概率，当该值超过所设定的阈值时，该人脸显著特征区域将被激活并被提取；当已经激活的人脸显著特征区域的激活率低于所设定的阈值时，则该人脸显著特征区域的激活状态被抑制，同时一个新的激活区域将被选择。
[0011]当被遮挡的人脸显著特征区域激活率超过所设定的阈值时，则对其激活状态进行抑制处理。
[0012]本发明的优点在于进行人脸识别时通过眼动仪和心理学实验来确定人脸显著特征，大大提高了人脸识别中人脸显著特征确定时的准确度。
【专利附图】
【附图说明】
[0013]图1为本发明实施例人脸显著特征确定过程结构示意图。
【具体实施方式】
[0014]如图1所示，一种人脸显著特征位置标定系统，包括以下模块:目标图像采集模块、眼动信息采集模块、眼动信息处理模块、人脸识别训练模块。
[0015]一种上所述的人脸显著特征位置标定系统的标定方法，其特征在于，其标定方法如下:
1)运行程序，连接眼动仪，进行校准，打开眼动记录文件；
2)呈现合适的目标图像，例如在本技术方案中采用的目标图像为足够样本数量、样本均匀分布各年龄阶段的人脸照片扫描图像，大小相似，男女各半(对人脸表情等因素进行了平衡控制)，在目标图像中随机选取一个；
3)获取用户观察图像时的眼动信息，通过眼动追踪仪获取用户的眼动扫描和追踪数据，计算用户眼球在图像的焦点位置；
4)根据得到的用户眼球在图像的焦点位置，分析并提取用户关注的人脸显著特征区域；
5)对提取过的人脸显著特征区域进行遮挡处理；
6)呈现遮挡后的图像，重复第3)、4)和5)步多次，依次提取每次用户关注的人脸显著特征区域，一组实验结束；
7)重复I)至6)步，进行多组实验，并分析实验结果，确定用户进行人脸识别时的视线关注特征区域，分析人类在人脸识别时视线关注的人脸显著特征；
8)选取第7)步获得的人脸显著特征，进行人脸识别训练，在训练集上建立合适的分类模型，例如本技术方案可选用但不限于支持向量机(SVM)分类模型，并在特征空间中构建最优分割超平面，获取最佳权重，生成训练模型文件；
9)使用第8)步生成的模型文件，构建人脸图像分类程序，建立人脸识别系统。
[0016]所述的步骤3)中，通过眼动追踪仪获取用户的眼动扫描和追踪数据，例如本技术方案中选取了瞳孔直径、首次注视时间、注视时间、注视次数、回视时间、眨眼持续时间、眼跳幅度、眼跳时长。所述的步骤4)中，根据得到的用户眼球在图像上的焦点位置，通过计算焦点位置所在区域的激活率来分析用户关注的人脸显著特征区域；激活率表示用户对人脸显著特征区域感兴趣的概率，当该值超过所设定的阈值时，该人脸显著特征区域将被激活并被提取；当已经激活的人脸显著特征区域的激活率低于所设定的阈值时，则该人脸显著特征区域的激活状态被抑制，同时一个新的激活区域将被选择。当被遮挡的人脸显著特征区域激活率超过所设定的阈值时，则对其激活状态进行抑制处理。
[0017]目标图像采集模块:目标图像为足够样本数量、样本均匀分布各年龄阶段的人脸照片扫描图像，大小相似，男女各半(对人脸表情等因素进行了平衡控制)，在目标图像中随机选取一个；
眼动信息采集模块:通过眼动追踪仪获取用户的眼动扫描和追踪数据，例如本技术方案中选取了瞳孔直径、首次注视时间、注视时间、注视次数、回视时间、眨眼持续时间、眼跳幅度、眼跳时长。
[0018]眼动信息处理模块:与眼动信息采集模块相连，根据得到的用户眼球在图像上的焦点位置，通过计算焦点位置所在区域的激活率来分析用户关注的人脸显著特征区域；激活率表示用户对人脸显著特征区域感兴趣的概率，当该值超过所设定的阈值时，该人脸显著特征区域将被激活并被提取；当已经激活的人脸显著特征区域的激活率低于所设定的阈值时，则该人脸显著特征区域的激活状态被抑制，同时一个新的激活区域将被选择。进一步地，当被遮挡的人脸显著特征区域激活率超过所设定的阈值时，则对其激活状态进行抑制处理。
[0019]人脸识别训练模块:对采集的人脸显著特征进行人脸识别训练，在训练集上建立合适的分类模型，例如本技术方案可选用但不限于支持向量机(SVM)分类模型，并在特征空间中构建最优分割超平面，获取最佳权重，生成训练模型文件，将生成的模型文件，构建人脸图像分类程序，建立人脸识别系统。
【权利要求】
1.一种人脸显著特征位置标定系统，其特征在于，包括以下模块:目标图像采集模块、眼动信息采集模块、眼动信息处理模块、人脸识别训练模块。
2.一种如权利要求1所述的人脸显著特征位置标定系统的标定方法，其特征在于，其标定方法如下: 1)运行程序，连接眼动仪，进行校准，打开眼动记录文件； 2)呈现合适的目标图像，例如在本技术方案中采用的目标图像为足够样本数量、样本均匀分布各年龄阶段的人脸照片扫描图像，大小相似，男女各半(对人脸表情等因素进行了平衡控制)，在目标图像中随机选取一个； 3)获取用户观察图像时的眼动信息，通过眼动追踪仪获取用户的眼动扫描和追踪数据，计算用户眼球在图像的焦点位置； 4)根据得到的用户眼球在图像的焦点位置，分析并提取用户关注的人脸显著特征区域； 5)对提取过的人脸显著特征区域进行遮挡处理； 6)呈现遮挡后的图像，重复第3)、4)和5)步多次，依次提取每次用户关注的人脸显著特征区域，一组实验结束； 7)重复I)至6)步，进行多组实验，并分析实验结果，确定用户进行人脸识别时的视线关注特征区域，分析人类在人脸识别时视线关注的人脸显著特征； 8)选取第7)步获得的人脸显著特征，进行人脸识别训练，在训练集上建立合适的分类模型，例如本技术方案可选用但不限于支持向量机(SVM)分类模型，并在特征空间中构建最优分割超平面，获取最佳权重，生成训练模型文件； 9)使用第8)步生成的模型文件，构建人脸图像分类程序，建立人脸识别系统。
3.根据权利要求2所述的人脸显著特征位置标定方法，其特征在于:所述的步骤3)中，通过眼动追踪仪获取用户的眼动扫描和追踪数据，例如本技术方案中选取了瞳孔直径、首次注视时间、注视时间、注视次数、回视时间、眨眼持续时间、眼跳幅度、眼跳时长。
4.根据权利要求2所述的人脸显著特征位置标定方法，其特征在于:所述的步骤4)中，根据得到的用户眼球在图像上的焦点位置，通过计算焦点位置所在区域的激活率来分析用户关注的人脸显著特征区域；激活率表示用户对人脸显著特征区域感兴趣的概率，当该值超过所设定的阈值时，该人脸显著特征区域将被激活并被提取；当已经激活的人脸显著特征区域的激活率低于所设定的阈值时，则该人脸显著特征区域的激活状态被抑制，同时一个新的激活区域将被选择。
5.根据权利要求4所述的人脸显著特征位置标定方法，其特征在于:当被遮挡的人脸显著特征区域激活率超过所设定的阈值时，则对其激活状态进行抑制处理。
【文档编号】G06K9/62GK104318223SQ201410652586
【公开日】2015年1月28日 申请日期:2014年11月18日 优先权日:2014年11月18日
【发明者】徐明亮, 傅常顺, 杨文寿, 邵彦超, 杜建平, 姬豪杰, 张振京 申请人:新开普电子股份有限公司